Pada beberapa pelayanan Puskesmas terdapat berbagai fasilitias seperti tenaga medis sebagai penunjang kesehatan masyarakat dan persedian obat-obatan yang digunakan untuk menyembuhkan, mengurangi, atau sekedar mencegah suatu penyakit atau gejala yang diidap berbagai pasien. Oleh karena itu, ketersediaan obat-obatan merupakan faktor yang sangat penting untuk meningkatkan mutu pelayanan kesehatan. Pengelompokkan (Clustering) data pemakaian obat merupakan metode yang tepat untuk digunakan sebagai acuan dalam melakukan perencanaan persediaan obat-obatan jangka panjang. Pada penelitian ini dilakukan perbandingan 2 algoritma yaitu K-Means dan K-Medoids untuk memilih algoritma mana yang cocok serta efektif untuk melakukan klasterisasi. Setelah dilakukan beberapa proses, maka telah disimpulkan bahwa algoritma K-Means lebih cocok digunakan pada data pemakaian obat di Puskesmas. Dikarenakan nilai DBI(Davies-Bouldin Index) pada algoritma K-Means lebih kecil daripada K-Medoids. Yaitu nilai DBI K-Means adalah -0,455 sedangkan K-Medoids adalah -0,723.